論文の概要: LAGUNA: LAnguage Guided UNsupervised Adaptation with structured spaces

• arxiv url: http://arxiv.org/abs/2411.15557v2
• Date: Wed, 27 Nov 2024 11:01:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:17:51.296274
• Title: LAGUNA: LAnguage Guided UNsupervised Adaptation with structured spaces
• Title（参考訳）: LAGUNA:Language Guided UNsupervised Adaptation with structured space
• Authors: Anxhelo Diko, Antonino Furnari, Luigi Cinque, Giovanni Maria Farinella,
• Abstract要約: LAGUNA - LANguage Guided UNsupervised Adaptation with structured spaceを紹介する。 LAGUNAは言語空間におけるクラスラベル間の意味的・幾何学的関係に基づいてドメインに依存しない構造を定義する。 LAGUNAが4つの画像とビデオデータセットにまたがるドメイン適応タスクにおいて優れていることを実証的に示す。
• 参考スコア（独自算出の注目度）: 16.587453918275358
• License:
• Abstract: Unsupervised domain adaptation remains a critical challenge in enabling the knowledge transfer of models across unseen domains. Existing methods struggle to balance the need for domain-invariant representations with preserving domain-specific features, which is often due to alignment approaches that impose the projection of samples with similar semantics close in the latent space despite their drastic domain differences. We introduce LAGUNA - LAnguage Guided UNsupervised Adaptation with structured spaces, a novel approach that shifts the focus from aligning representations in absolute coordinates to aligning the relative positioning of equivalent concepts in latent spaces. LAGUNA defines a domain-agnostic structure upon the semantic/geometric relationships between class labels in language space and guides adaptation, ensuring that the organization of samples in visual space reflects reference inter-class relationships while preserving domain-specific characteristics. We empirically demonstrate LAGUNA's superiority in domain adaptation tasks across four diverse images and video datasets. Remarkably, LAGUNA surpasses previous works in 18 different adaptation scenarios across four diverse image and video datasets with average accuracy improvements of +3.32% on DomainNet, +5.75% in GeoPlaces, +4.77% on GeoImnet, and +1.94% mean class accuracy improvement on EgoExo4D.
• Abstract（参考訳）: 教師なしのドメイン適応は、未知のドメインにわたるモデルの知識伝達を可能にする上で、依然として重要な課題である。 既存の手法では、ドメイン不変表現とドメイン固有の特徴を保存する必要性のバランスをとるのに苦労している。 LAGUNA-Language Guided UNsupervised Adaptation with structured space, is a novel approach that focus the focus to thealigneding representations in absolute coordinates toaligneding the relative positioning of equivalent concept in latent space。 LAGUNAは、言語空間におけるクラスラベル間の意味的/幾何学的関係に基づいてドメインに依存しない構造を定義し、適応をガイドし、視覚空間におけるサンプルの編成が参照クラス間の関係を反映し、ドメイン固有の特徴を保存する。 LAGUNAが4つの画像とビデオデータセットにまたがるドメイン適応タスクにおいて優れていることを実証的に示す。 注目すべきことに、RAGUNAは4つの多様な画像およびビデオデータセットにまたがる18種類の適応シナリオにおいて、平均精度はDomainNetで+3.32%、GeoPlacesで+5.75%、GeoImnetで+4.77%、EgoExo4Dで+1.94%向上している。

関連論文リスト

• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• Exploring Semantic Consistency and Style Diversity for Domain Generalized Semantic Segmentation [4.850207292777464]
  ドメイン一般化セマンティック(Domain Generalized Semantic)は、未知のターゲットドメイン間のセマンティックセグメンテーションの一般化を強化することを目的としている。 本稿では,セマンティック一貫性予測とスタイル多様性の一般化のためのSCSDを紹介する。 SCSDは既存の最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2024-12-16T18:20:06Z)
• Unsupervised Domain Adaptation for Point Cloud Semantic Segmentation via Graph Matching [14.876681993079062]
  本稿では,2つの領域間の局所的な特徴アライメントを探索するグラフベースのフレームワークを提案する。 また、カテゴリー誘導型コントラスト損失を定式化し、セグメント化モデルを誘導し、対象領域における識別的特徴を学習する。
  論文  参考訳（メタデータ） (2022-08-09T02:30:15Z)
• Making the Best of Both Worlds: A Domain-Oriented Transformer for Unsupervised Domain Adaptation [31.150256154504696]
  Unsupervised Domain Adaptation (UDA)は、限られた実験データセットから現実の制約のないドメインへのディープラーニングの展開を促進する。 ほとんどのUDAアプローチは、共通の埋め込み空間内の機能を整列させ、ターゲット予測に共有分類器を適用する。 本稿では,異なる領域に着目した2つの個別空間における特徴アライメントを同時に実施し,各領域に対してドメイン指向の分類器を作成することを提案する。
  論文  参考訳（メタデータ） (2022-08-02T01:38:37Z)
• Unsupervised Contrastive Domain Adaptation for Semantic Segmentation [75.37470873764855]
  クロスドメイン適応における特徴アライメントのためのコントラスト学習を導入する。 提案手法は、ドメイン適応のための最先端手法を一貫して上回る。 Cityscapesデータセットで60.2% mIoUを達成した。
  論文  参考訳（メタデータ） (2022-04-18T16:50:46Z)
• TADA: Taxonomy Adaptive Domain Adaptation [143.68890984935726]
  伝統的なドメイン適応は、限られた監督の下で新しいターゲットドメインにモデルを適応させるタスクに対処する。 より一般的な分類適応型ドメイン適応問題を導入し、両者の整合性を実現する。 ラベルレベルでは、ターゲット領域を拡大するための二元混合サンプリング戦略と、ラベル空間を統一・整合させるリラベリング手法を用いる。
  論文  参考訳（メタデータ） (2021-09-10T11:58:56Z)
• Structured Latent Embeddings for Recognizing Unseen Classes in Unseen Domains [108.11746235308046]
  本稿では,異なる領域からの画像を投影することで,ドメインに依存しない遅延埋め込みを学習する手法を提案する。 挑戦的なDomainNetとDomainNet-LSベンチマークの実験は、既存のメソッドよりもアプローチの方が優れていることを示している。
  論文  参考訳（メタデータ） (2021-07-12T17:57:46Z)
• AFAN: Augmented Feature Alignment Network for Cross-Domain Object Detection [90.18752912204778]
  オブジェクト検出のための教師なしドメイン適応は、多くの現実世界のアプリケーションにおいて難しい問題である。 本稿では、中間領域画像生成とドメイン・アドバイザリー・トレーニングを統合した新しい機能アライメント・ネットワーク(AFAN)を提案する。 提案手法は、類似および異種ドメイン適応の双方において、標準ベンチマークにおける最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2021-06-10T05:01:20Z)
• Contextual-Relation Consistent Domain Adaptation for Semantic Segmentation [44.19436340246248]
  本稿では,革新的局所文脈相関整合ドメイン適応手法を提案する。 グローバルレベルのアライメントにおいて、地域レベルのコンピテンシーを達成することを目的としている。 実験では, 最先端手法と比較して, セグメンテーション性能が優れていることを示した。
  論文  参考訳（メタデータ） (2020-07-05T19:00:46Z)
• Spatial Attention Pyramid Network for Unsupervised Domain Adaptation [66.75008386980869]
  教師なし領域適応は様々なコンピュータビジョンタスクにおいて重要である。 教師なし領域適応のための新しい空間注意ピラミッドネットワークを設計する。 我々の手法は最先端の手法に対して大きなマージンで好適に機能する。
  論文  参考訳（メタデータ） (2020-03-29T09:03:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。